一、生成日期范围的时序数据
pd.date_range()可用于生成指定长度的日期索引,默认产生按天计算的时间点(即日期范围)。其参数可以是:
- 起始结束日期
- 或者是仅有一个起始或结束日期,加上一个时间段参数
以下三种方法结果一致:
- pd.date_range('20200801','20200810')
- pd.date_range(start='20200801',periods=10)
- pd.date_range(end='20200810',periods=10)
结果:
DatetimeIndex(['2020-08-01', '2020-08-02', '2020-08-03', '2020-08-04',
'2020-08-05', '2020-08-06', '2020-08-07', '2020-08-08',
'2020-08-09', '2020-08-10'],
dtype='datetime64[ns]', freq='D')
注意:此处的freq参数表示时间序列数据的频率,其值为D,表示是以天为频率;
所以,若想生成一个特殊频率的日期索引,若一个由每月最后一个工作日组成的日期索引,直接加上参数freq='BM'(BM表示business end of month)
>>> pd.date_range('2020-01-01','2020-12-31',freq='BM')
DatetimeIndex(['2020-01-31', '2020-02-28', '2020-03-31', '2020-04-30',
'2020-05-29', '2020-06-30', '2020-07-31', '2020-08-31',
'2020-09-30', '2020-10-30', '2020-11-30', '2020-12-31'],
dtype='datetime64[ns]', freq='BM')
二、日期频率
pandas中的频率是由一个基础频率和一个乘数组成。基础频率通常以一个字符串别名表示,如'M','H'。
基础频率表
别名 | 偏移量类型 | 说明 |
D | Day | 每日历日 |
B | BusinessDay | 每工作日 |
H | Hour | 每小时 |
T或min | Minute | 每分 |
M | MonthEnd | 每月最后一个日历日 |
BM | BusinessMonthEnd | 每月最后一个工作日 |
WOM-1MON | WeekOfMonth | 产生每月第一、第二、第四周的星期几,如WOM-3FRI表示每月第3个周五 |
Q-JAN | QuarterEnd | 对于指定月份(JAN、FEB、MAR...DEC)结束的年度,每季度最后一个月的最后一个日历日 |
A-JAN | YearEnd | 对于指定年份的最后一个日历日 |
例:从2020年1月至2020年3月以'3M'的频率生成一个时间范围
>>> pd.date_range('2020-01-01','2020-12-31',freq='3M')
DatetimeIndex(['2020-01-31', '2020-04-30', '2020-07-31', '2020-10-31'], dtype='datetime64[ns]', freq='3M')
>>> pd.date_range('2020-01-01','2020-12-31',freq='WOM-3FRI')
DatetimeIndex(['2020-01-17', '2020-02-21', '2020-03-20', '2020-04-17',
'2020-05-15', '2020-06-19', '2020-07-17', '2020-08-21',
'2020-09-18', '2020-10-16', '2020-11-20', '2020-12-18'],
dtype='datetime64[ns]', freq='WOM-3FRI')
>>> pd.date_range('2020-01-01',periods=3,freq='2H30T')
DatetimeIndex(['2020-01-01 00:00:00', '2020-01-01 02:30:00',
'2020-01-01 05:00:00'],
dtype='datetime64[ns]', freq='150T')
日期偏移量(date offset)对象与之对应。可以通过实例化日期偏移量来创建某种频率:
>>> from pandas.tseries.offsets import Hour,Minute
>>> hour = Hour()
>>> hour
<Hour>
>>> four_hours = Hour(4)
>>> four_hours
<4 * Hours>
大部分偏移量对象可以通过加法进行连接:
>>> Hour(3)+Minute(20)
<200 * Minutes>
有些频率所描述的时间点并不是均匀分隔的。例如'M'和'BM'就取决于每月的天数,对于后者,还要考虑月末是否是周末,将这些成为锚点偏移量。
三、移动(超前或之后)数据
(1)移动(Shifting)指的是沿着时间轴将数据向前或向后移动,保持索引不变。
thift()方法默认表示索引不变数据后移;若提供freq参数,则此时将移动index,数据将保持不变
#创建一个时序数据
>>> ts = pd.Series(np.random.randint(0,10,5))
>>> ts.index = pd.date_range('2020-1-1',periods=5,freq='M')
>>> ts
2020-01-31 8
2020-02-29 5
2020-03-31 3
2020-04-30 9
2020-05-31 4
Freq: M, dtype: int32
#索引不变,数据向后移2个单位
>>> ts.shift(2)
2020-01-31 NaN
2020-02-29 NaN
2020-03-31 8.0
2020-04-30 5.0
2020-05-31 3.0
Freq: M, dtype: float64
#索引不变,数据向前移2个单位
>>> ts.shift(-2)
2020-01-31 3.0
2020-02-29 9.0
2020-03-31 4.0
2020-04-30 NaN
2020-05-31 NaN
Freq: M, dtype: float64
#将时间索引向后移2个月,数据保持不变
>>> ts.shift(2,freq='M')
2020-03-31 8
2020-04-30 5
2020-05-31 3
2020-06-30 9
2020-07-31 4
Freq: M, dtype: int32
#将时间索引向前移2个月,数据保持不变
>>> ts.shift(-2,freq='M')
2019-11-30 8
2019-12-31 5
2020-01-31 3
2020-02-29 9
2020-03-31 4
如何通过偏移量对日期进行位移?
在时间后直接加上一个实例化的日期偏移量即可。
>>> from pandas.tseries.offsets import Day,MonthEnd
>>> from datetime import datetime
>>> t = datetime(2020,8,8)
>>> t + 10*Day()
Timestamp('2020-08-18 00:00:00')
#第一次位移量没有一个月那么长,则位移就在当月,所以此时进行2个位移的结果是9月
>>> t + 2*MonthEnd()
Timestamp('2020-09-30 00:00:00')
(3)结合锚点偏移量,使用rollforward()和rollback()方法,可以将日期向前或向后滚动
>>> from pandas.tseries.offsets import MonthEnd,YearEnd,QuarterEnd
>>> offset = MonthEnd()
>>> t
datetime.datetime(2020, 8, 8, 0, 0)
#向前滚动
>>> offset.rollforward(t)
Timestamp('2020-08-31 00:00:00')
#向后滚动
>>> offset.rollback(t)
Timestamp('2020-07-31 00:00:00')
>>> offset1 = YearEnd()
>>> offset1.rollback(t)
Timestamp('2019-12-31 00:00:00')
>>> offset1.rollforward(t)
Timestamp('2020-12-31 00:00:00')
>>> offset2 = QuarterEnd()
>>> offset2.rollforward(t)
Timestamp('2020-09-30 00:00:00')
四、例子
若有以下时间序列,如何在每月月末显示该月数据的均值?
>>> import pandas as pd
>>> import numpy as np
>>> ts = pd.Series(np.random.randint(0,10,10))
>>> ts.index = pd.date_range(start='2020-1-15',periods=10,freq='10D')
>>> ts
2020-01-15 7
2020-01-25 1
2020-02-04 8
2020-02-14 7
2020-02-24 1
2020-03-05 3
2020-03-15 6
2020-03-25 8
2020-04-04 6
2020-04-14 1
Freq: 10D, dtype: int32
解法步骤:
- 先将时间序列使用rollforward()向前滚动,这样将日期索引都设置为当前月的最后一天;
- 使用groupby()对时间索引进行分组聚合,求其均值
>>> from pandas.tseries.offsets import MonthEnd
>>> offset = MonthEnd()
#方法一:使用列表推导式将时间序列向后滚动至当前月的最后一天,再将生成的列表转换成DatetimeIndex
>>> ts.index = pd.to_datetime([offset.rollforward(index) for index in ts.index])
>>> ts
2020-01-31 7
2020-01-31 1
2020-02-29 8
2020-02-29 7
2020-02-29 1
2020-03-31 3
2020-03-31 6
2020-03-31 8
2020-04-30 6
2020-04-30 1
dtype: int32
#使用Groupby()聚合分组
>>> ts.groupby(ts.index).mean()
2020-01-31 4.000000
2020-02-29 5.333333
2020-03-31 5.666667
2020-04-30 3.500000
dtype: float64
#方法二:以下结果与上述结果一致
>>> ts.groupby(offset.rollforward).mean()
2020-01-31 4.000000
2020-02-29 5.333333
2020-03-31 5.666667
2020-04-30 3.500000
dtype: float64
上述两种方法的区别是方法一改变了ts,方法二没有;若在使用过程中,若想使用方法一又不想改变ts的值,可以先复制一个ts,然后对复制后的ts进行操作即可。